于琪佳

（北方工業(yè)大學(xué)，北京 100144）

0 引言

隨著我國(guó)經(jīng)濟(jì)和社會(huì)的高速發(fā)展，我國(guó)民用汽車擁有量連年增長(zhǎng)。截至2021年6月，全國(guó)機(jī)動(dòng)車達(dá)到2.92億輛，容易引起道路交通堵塞，不利于交通指揮。為了便于分析道路交通情況，促進(jìn)道路交通的發(fā)展，需要識(shí)別出車輛的類型等進(jìn)行合理規(guī)劃和判斷。車輛檢測(cè)可應(yīng)用于車輛識(shí)別、車輛追蹤等，可以在一定程度為道路交通規(guī)劃提供數(shù)據(jù)支撐，且可以為車輛廠商提供車輛銷售數(shù)據(jù)參考等。本文將基于回歸的檢測(cè)方法中的YOLOv5算法對(duì)多種場(chǎng)景下的社會(huì)車輛進(jìn)行物體識(shí)別，以研究其可行性。

1 相關(guān)工作

目標(biāo)檢測(cè)是計(jì)算機(jī)視覺領(lǐng)域的基本且重要的問題之一，在人工智能和信息技術(shù)的許多領(lǐng)域都有廣泛的應(yīng)用，隨著人工智能發(fā)展得越來越火熱，越來越多的研究者開始關(guān)注基于深度學(xué)習(xí)的車輛檢測(cè)算法。

2015年，Redmon J［1］提出了YOLO檢測(cè)算法。YOLO簡(jiǎn)化了檢測(cè)流程，提出了將物體分類和物體定位在一個(gè)步驟中完成的One-stage方法。2019年劉肯等人［2］對(duì)YOLO算法進(jìn)行改進(jìn)，提出一種YOLO?D算法，把目標(biāo)檢測(cè)算法問題變成二分類問題，在不影響檢測(cè)速度的情況下提高了檢測(cè)準(zhǔn)確率，從而實(shí)現(xiàn)對(duì)目標(biāo)車輛的檢測(cè)。2020年林豪等人［3］提出了一種基于YOLOv3的裁剪檢測(cè)算法，該算法通過裁剪刪去汽車行駛過程中實(shí)時(shí)拍攝的圖片的部分對(duì)行駛決策不重要的內(nèi)容，從而達(dá)到節(jié)約計(jì)算資源和提高檢測(cè)效率的目的。2021年周雄峰［4］提出一種基于深度學(xué)習(xí)的自動(dòng)采集方法，利用YOLOv5檢測(cè)器在連續(xù)幀中的感興趣區(qū)域進(jìn)行車輛檢測(cè)，通過DeepSOR跟蹤器進(jìn)行穩(wěn)健而快速的車輛跟蹤，該追蹤器可以有效減少目標(biāo)ID的跳變，提升跟蹤穩(wěn)定性，通過透視變換得到車輛的真實(shí)世界坐標(biāo)并使用局部加權(quán)回歸算法進(jìn)行軌跡平滑。

2 車輛識(shí)別技術(shù)分析

2.1 算法選擇

基于深度學(xué)習(xí)的目標(biāo)檢測(cè)方法主要分為Twostage方法和One-stage方法?；赗egion-proposal的 Two-stage 方 法 主 要 有 R-CNN［5］， Fast RCNN［6］，F(xiàn)aster R-CNN［7］，這些算法普遍存在著檢測(cè)速度慢的缺點(diǎn)?；诨貧w的One-stage方法主要有YOLO、SSD等。其中YOLO的特點(diǎn)是實(shí)現(xiàn)快速檢測(cè)的同時(shí)還能達(dá)到較高的準(zhǔn)確率，它憑借著優(yōu)秀的性能引起了廣大研究員的興趣。

YOLO在一定程度上避免了CNN算法速度慢的問題，但它存在著召回率低，對(duì)小目標(biāo)檢測(cè)效果差，定位不夠精確等問題。為了解決速度慢的問 題 ， YOLOv2， YOLOv3， TinyYOLO， YO?LOv4，YOLOv5等模型陸續(xù)被提出，隨著版本的迭代，模型性能也越來越好。本文主要選擇YO?LOv5算法對(duì)多種場(chǎng)景下的社會(huì)車輛進(jìn)行物體識(shí)別，其特點(diǎn)是速度快，有非常輕量級(jí)的模型大小，在準(zhǔn)確度方面與YOLOv4基準(zhǔn)相當(dāng)。

2.2 YOLOv5算法分析

YOLOv5設(shè)計(jì)了4種目標(biāo)檢測(cè)網(wǎng)絡(luò)結(jié)構(gòu)，分別是Yolov5s、Yolov5m、Yolov5l和Yolov5x。四種網(wǎng)絡(luò)結(jié)構(gòu)原理基本一樣，不同之處在于通過depth_mulitple、width_multipl兩個(gè)參數(shù)分別控制的網(wǎng)絡(luò)深度和網(wǎng)絡(luò)寬度。YOLOv5s網(wǎng)絡(luò)結(jié)構(gòu)最小、速度最快、AP精度最低。其他三種網(wǎng)絡(luò)通過不斷加深加寬網(wǎng)絡(luò)，AP精度不斷提高，相應(yīng)的速度在不斷地降低。

以YOLOv5s的網(wǎng)絡(luò)結(jié)構(gòu)為例，如圖1所示。

圖1 YOLOv5s的網(wǎng)絡(luò)結(jié)構(gòu)

整個(gè)網(wǎng)絡(luò)結(jié)構(gòu)分為4個(gè)部分：輸入端，Back?bone主干網(wǎng)絡(luò)，Neck網(wǎng)絡(luò)和Prediction輸出端，分析如下：

（1）輸入端。該網(wǎng)絡(luò)的輸入圖像大小為608×608，在圖像預(yù)處理階段將輸入圖像縮放到網(wǎng)絡(luò)的輸入大小，進(jìn)行歸一化等操作；在網(wǎng)絡(luò)訓(xùn)練階段，YOLOv5采用Mosaic數(shù)據(jù)增強(qiáng)操作提升模型的訓(xùn)練速度和網(wǎng)絡(luò)的精度，并提出自適應(yīng)錨框計(jì)算和自適應(yīng)圖片縮放的方法。

（2）Backbone主干網(wǎng)絡(luò)。該模塊通常是一些性能優(yōu)異的分類器的網(wǎng)絡(luò)，用來提取通用的特征表示。YOLOv5采用具有切片操作的Focus結(jié)構(gòu)和CSP結(jié)構(gòu)。

（3）Neck網(wǎng)絡(luò)。該模塊用來進(jìn)一步提升特征的多樣性與魯棒性。YOLOv5采用FPN+PAN結(jié)構(gòu)和可以加強(qiáng)網(wǎng)絡(luò)特征融合能力的CSP2結(jié)構(gòu)。

（4）Prediction輸出端。該模塊用來完成目標(biāo)檢測(cè)結(jié)果的輸出。YOLOv5采用損失函數(shù)GIOU_Loss以及預(yù)測(cè)框篩選的DIOU_nms。

2.3 算法實(shí)現(xiàn)流程

Yolov5s、Yolov5m、Yolov5l和Yolov5x四種網(wǎng)絡(luò)結(jié)構(gòu)依次加深加寬網(wǎng)絡(luò)，AP精度不斷提高，相應(yīng)的速度在不斷地降低，對(duì)硬件配置要求也越來越高。根據(jù)硬件配置條件，本文使用YOLOv5系列中最輕量化、深度最小和特征圖寬度最小的YOLOv5s網(wǎng)絡(luò)結(jié)構(gòu)，對(duì)多種場(chǎng)景下的社會(huì)車輛進(jìn)行物體識(shí)別，通過對(duì)處理過后的數(shù)據(jù)集進(jìn)行訓(xùn)練得到檢測(cè)模型，對(duì)檢測(cè)結(jié)果進(jìn)行分析。本文主要是使用YoLOv5s來進(jìn)行實(shí)驗(yàn)分析，其對(duì)應(yīng)的流程如圖2所示。

圖2 實(shí)現(xiàn)流程

3 實(shí)驗(yàn)結(jié)果及分析

3.1 數(shù)據(jù)集分析

本文采用的車輛檢測(cè)數(shù)據(jù)集為MS COCO數(shù)據(jù)集，該數(shù)據(jù)集有80個(gè)對(duì)象類別、12個(gè)大類、123287張圖片。該數(shù)據(jù)集平均每張圖片的物體數(shù)量多且滿足多種場(chǎng)景的需求，因此可用于車輛檢測(cè)的神經(jīng)網(wǎng)絡(luò)模型。MS COCO 2017數(shù)據(jù)集預(yù)處理主要流程如下：

（1）通過COCO-PythonAPI從COCO數(shù)據(jù)集的Instances_valtrain2017.json標(biāo)簽中提取出包含car，motorcycle，bus，truck 4個(gè)類別的相應(yīng)數(shù)據(jù)，并將其轉(zhuǎn)化為VOC（.xml）的標(biāo)簽，其中16977張圖作為訓(xùn)練集，707張為驗(yàn)證集；

（2）分別得到訓(xùn)練集和訓(xùn)練過程中的測(cè)試集的xml后，我們進(jìn)一步使用腳本將xml轉(zhuǎn)化為txt；

（3）將提取的圖片和擬生成的txt標(biāo)簽放到相應(yīng)文件位置。

3.2 結(jié)果及分析

實(shí)驗(yàn)平臺(tái)配置為Windows 10操作系統(tǒng)，Inter Core i7-10875H處理器和16 GB內(nèi)存，搭載NVIDIA GeForce RTX 2060顯卡，配置英偉達(dá)CUDA11.0和GPU加速庫(kù)CUDNN 8.0.5，配置OpenCV2擴(kuò)展庫(kù)，深度學(xué)習(xí)框架為Pytorch。

搭建好YOLOv5的運(yùn)行環(huán)境后，根據(jù)硬件配置設(shè)置訓(xùn)練參數(shù)，我們?cè)O(shè)置batch-size為2，numworker為0，epoch次數(shù)為100，然后對(duì)處理過后的COCO2017數(shù)據(jù)集進(jìn)行訓(xùn)練。

圖3 實(shí)驗(yàn)結(jié)果

圖4 實(shí)驗(yàn)結(jié)果

訓(xùn)練過程中隨著迭代次數(shù)的增加，各種數(shù)值的變化如圖5所示，圖中各個(gè)數(shù)值的含義如表1所示。

圖5 訓(xùn)練參數(shù)變化圖

表1 results參數(shù)變化

從圖5可以看出，隨著訓(xùn)練迭代次數(shù)的增加，各項(xiàng)越來越準(zhǔn)確，次數(shù)到達(dá)100次后，各項(xiàng)數(shù)值變化趨于平穩(wěn)。

我們使用56張圖片進(jìn)行推斷測(cè)試，這些圖片均沒有在訓(xùn)練集和驗(yàn)證集中出現(xiàn)過，以此來測(cè)試識(shí)別的準(zhǔn)確性。使用使用訓(xùn)練后自動(dòng)生成的best.pt權(quán)重文件進(jìn)行推斷測(cè)試，部分測(cè)試結(jié)果如圖6所示。

圖6 測(cè)試結(jié)果

4 結(jié)語

本文通過YOLOv5目標(biāo)檢測(cè)算法對(duì)多種場(chǎng)景下的車輛進(jìn)行批量檢測(cè)，結(jié)果表明其優(yōu)勢(shì)有識(shí)別車輛的精度和速度較高且適應(yīng)性強(qiáng)。但YOLOv5車輛檢測(cè)依然存在對(duì)于距離較遠(yuǎn)的車輛可能會(huì)出現(xiàn)檢測(cè)不到或者檢測(cè)準(zhǔn)確度較低，車輛類型識(shí)別錯(cuò)誤的問題?，F(xiàn)有模型的局限性可以通過增大調(diào)整數(shù)據(jù)集和使用性能更好的計(jì)算機(jī)得到解決。因此YOLOv5目標(biāo)檢測(cè)算法基本滿足多種場(chǎng)景下的車輛檢測(cè)需求，可應(yīng)用于車輛識(shí)別、車輛追蹤以及借助大數(shù)據(jù)可以為車輛廠商提供車輛銷售數(shù)據(jù)參考。